Bokt.nl

**Geplaatst door de TopicStarter** : 19-11-21 14:01

R Studio, Principal Component Analysis (PCA)

Geplaatst door de TopicStarter : 19-11-21 14:01

Aangezien bokt óveral goed voor is, ga ik hier toch maar een poging wagen.

Na 4 weken met R Studio als full-time beste vriend, heb ik enkele PCA's gerund voor het clusteren van gedragingen van dieren, om uiteindelijk persoonlijkheid te determineren. Met de uiteindelijke interpretatie ervan, dacht ik het helemaal te snappen, totdat ik zie dat andere papers/wetenschappelijke artikelen toch ander soortige waardes gekregen hebben (ik heb veel negatieve en zeer kleine waardes, waar de gemiddelde paper enkele waardes keurig > 0.7). Ofwel, nu twijfel ik of ik mijn PCA resultaten wel op de juiste manier heb geïnterpreteerd en gelabeld.

Wie zou eens een blik willen werpen en/of kan uitleggen hoe zo'n PCA in elkaar steekt (wellicht op een andere manier horen zorgt voor weer een andere kijk of het snappen ervan).

**Geplaatst**: 19-11-21 14:23

Re: R Studio, Principal Component Analysis (PCA)

Geplaatst: 19-11-21 14:23

Ik heb altijd PCA zoveel mogelijk vermeden omdat ik de interpretatie nooit zo goed snapte, dus vergeef me als ik nu onzin vertel! Maar ik dacht dat de waardes niet zo relevant waren, maar juist de richting van je componenten belangrijk is? Dus dat je groepen maakt op basis van de richting van je componenten. (wat uiteindelijk natuurlijk samenhangt met de waarden, maargoed)

Had je deze al gevonden? http://www.sthda.com/english/articles/3 ... ssentials/

En je kan ook youtube eens proberen

**Geplaatst**: 19-11-21 15:01

Geplaatst: 19-11-21 15:01

Pca voert in feite niet echt statistiek uit, dus de waarde zegt vooral iets over hoeveel van de data voorspelt wordt door het model. Echter is dat niet mega belangrijk. Wat vooral belangrijk is, welke dingen geclusterd zijn, en de richting ervan. Uiteindelijk zal je met een andere statistische toets iets moeten zeggen of die samenhang ook significant is.

**Geplaatst door de TopicStarter** : 20-11-21 11:24

Re: R Studio, Principal Component Analysis (PCA)

Geplaatst door de TopicStarter : 20-11-21 11:24

Thanks beide voor jullie reactie! Het klopt dat gedeeltelijk de richting van de componenten van belang is (als ook de 'kleur', 'warme' kleuren geven de nabijheid van de as aan, ten opzichte van koelere kleuren). Ik heb inderdaad groepen gemaakt op basis van de richting van de componenten.

Samenhang testen voor significantie doe je - vreemd genoeg - niet bij het determineren van persoonlijkheid. Je zegt gewoon: dit zijn de gevonden assen, zodat er dan weer verder gegaan mee kan worden. Althans, dat is zoals ik het interpreteer vanuit de literatuur.

Nogmaals, dank voor jullie reactie, want soms het bevestigen van dingen ook heel fijn voor een beter begrip.